DeTorrent：一种仅使用填充的对抗性流量分析防御
密码学与安全
2023-09-26 v3
摘要
虽然像Tor这样的匿名网络旨在保护用户的隐私，但它们容易受到流量分析攻击，如网站指纹识别（WF）和流关联（FC）。最近的WF和FC攻击实现（如Tik-Tok和DeepCoFFEA）表明这些攻击可以有效地进行，威胁用户隐私。因此，需要有效的流量分析防御。现有的防御措施多种多样，但大多数要么无效，要么产生高延迟和带宽开销，要么需要额外的基础设施。因此，我们旨在设计一种高效且对WF和FC攻击都具有高抵抗力的流量分析防御。我们提出了DeTorrent，它使用竞争神经网络来生成和评估流量分析防御，将“虚拟”流量插入真实流量流中。DeTorrent以适度的开销运行，且不延迟流量。在封闭世界WF设置中，它将攻击者的准确率降低了61.5%，比次优的仅填充防御提高了10.5%。针对最先进的FC攻击者，DeTorrent将假阳性率为10^{-5}时的真阳性率降低到约0.12，不到次优防御的一半。我们还通过将DeTorrent部署在Tor网络旁边来证明其实用性，并发现它在应用于实时流量时保持了性能。
引用
@article{arxiv.2302.02012,
title = {DeTorrent: An Adversarial Padding-only Traffic Analysis Defense},
author = {James K Holland and Jason Carpenter and Se Eun Oh and Nicholas Hopper},
journal= {arXiv preprint arXiv:2302.02012},
year = {2023}
}
备注
Accepted to the 24th Privacy Enhancing Technologies Symposium (PETS 2024)